Professional Documents
Culture Documents
Análisis de Varianza
“ESTADISTICA APLICADA” MANUEL CÓRDOVA
ZAMORA
Facultad:
Ingeniería.
Escuela Académica:
Ingeniería Civil.
Asignatura:
Estadística Aplicada.
Catedrático:
Dr. Miguel Ángel Macetas Hernández.
Alumnos:
JUAREZ TASILLA, Elmer Roberto
ROJAS HONORES, Diego Manuel
ZELADA REVILA, Edson Fernando
SOLUCIÓN
Fuente de
SC GL MC 𝐹𝑐𝑎𝑙
Varianzas
Tipos de
377.733 2 188.8665
Alimentación 10.4346133
Error 217.2 12 18.1
Total 594.933 14 206.9665
Métodos de Alimentación: 3
N° de Cerdos por métodos: 5
N° de Cerdos totales: 15
𝑋∗∗ = 80
𝑋1∗= 80
𝑋2∗ = 85
𝑋3∗ = 75
𝑋∗∗
=
Sacamos el valor de c, el cuál será: C=96000
Sacamos los valores de SCT, SCE Y SCA
2 𝑋𝑖∗ 2
= ∑∑𝑋 =∑ SCE = ECT - SCA
TABLA ANOVA
FUENTE DE SUMA DE GRADOS MEDIAS RAZÓN F
VARIACIÓN CUADRADOS DE CUADRATICAS CALCULADA
LIBERTAD
PUBLICIDAD 250 2 125 3.34821429
ERROR 448 12 37.33333333
TOTAL 698 14
RC = {F (2,12)>3.89}
FCAL= 3.35
P=P [F (3,12)>3.35]
F (3,12) (5%)=3.89>3.35
RPTA: Al ver que cumple que el F de la tabla es mayor que F(cal)
podemos aceptar la hipótesis nula
Por lo tanto
𝐻𝑜: µ1 = µ2 = µ3
Se cumple
SCA = 250
SCE = 448
SCT = 698
P = P[F>3.35] = 0.07
3. Para comparar el rendimiento de una variedad de uva un Ingeniero diseño
un experimento con tres métodos de cultivo en una de las viñas de San
Antonio en San Martin. Se escogieron tres terrenos de siembra de iguales
características en las que se sembró el mismo número de plantas por
pacerla de la nueva variedad de uva. El lugar B de 6 parcelas no se abonó.
El lugar A de 5 parcelas se abonó con abono ecológico casero y el lugar
C de 7 parcelas se abonó con abono industrial comercial. La primera
cosecha ha dado las siguientes estadísticas e kilogramos de uva.
X: Rendimiento en kilogramos
Donde:
SCT 1400.00
SCI 1000
SCE 400.00
J 3
J-1 2
N 15
N-J 12
Donde:
5) Estadístico de contraste:
F = 14.999
6) Regla de Decisión
7) Decisión:
Puesto que el estadístico F cae en la zona critica, se rechaza Ho con
un nivel de confianza del 95%. Podemos concluir que las medias del
rendimiento no son iguales.
Donde:
SCT 1298.55
SCI 1189.75
SCE 108.80
J 4
J-1 3
N 20
N-J 16
Donde:
SCI /( J-
MCI = 1) 396.58
SCE / (N-
MCE = J) 6.80
V. Estadístico de contraste:
F = 58.322
VI. Regla de Decisión
VII. Decisión:
Puesto que el estadístico F cae en la zona critica, se rechaza Ho
con un nivel de confianza del 95%. Podemos concluir que las
medias del rendimiento no son iguales.
2) Estadígrafo de prueba
∝= 0.05 ˄ 𝐺 𝑎𝑑𝑜 𝑑𝑒 𝐿𝑖𝑏𝑒 𝑡𝑎𝑑 = 0 1 1 = 18
2
𝑥𝑐𝑎𝑙 = 𝐼𝑁𝑉. 𝐻𝐼 𝑈 𝐷. 𝐷 0.05,18
2
𝑥𝑐𝑎𝑙 = 8.869
3) Toma de decisión:
𝑯𝟎 : 𝑎𝑖 = 0 𝑖 = 1, ,3
𝑯𝟏 : ∃ 𝑎 𝑖 ≠ 0
∑ 𝒙𝒊 = 𝑿 ∗ 𝒏
∑ 𝑥1 = 56.5 ∗ 10 = 565
∑ 𝑥2 = 45.6 ∗ 10 = 456
∑ 𝑥3 = 60.3 ∗ 10 = 603
∑ 𝑥𝑖 2 = [𝛿 2 + 𝑋 2 ] ∗ 𝒏
∑ 𝑥1 2 = [ 1.780 2
+ 56.5 2 ] ∗ 10 = 31954.184
∑ 𝑥2 2 = [ 1.897 2
+ 45.6 2 ] ∗ 10 = 08 9.586
∑ 𝑥3 2 = [ 1.947 2
+ 60.3 2 ] ∗ 10 = 36398.808
3) Resultados:
16 4
= = 8791 .533
30
= 8918 .578 8791 .533 = 1 59.4667
= 10 ∗ 116.447 = 1164.4667
𝐸 = 1 59.4667 1164.4667 = 95
2
1 59.4667
𝑇 = = 43.4 99
30 1
𝑘=3
= 30
4) Tabla ANOVA:
Fuentes de Suma de Grado de Medias Razón F
Varianzas Cuadrados Libertad Cuadráticas calculada
Tratamiento 1164.467 2 582.233 165.47678
Error 95 27 3.519
Total 1259.467 29
5) Nivel de significancia:
∝= 0.05 ˄ 𝐹𝑜 = 165.4767
𝐹 = 𝐼𝑁𝑉. 𝐹. 𝐷 0.05, , 7
𝑭 = 𝟑. 𝟑𝟓𝟒𝟏
𝑃 𝐹𝑜 > 165.4767 = 𝐷𝐼 . 𝐹. 𝐷 165.4767,3,16
𝑷 𝑭𝒐 > 165.4767 = 𝟕. 𝟎𝟐𝟔𝟔𝟖𝑬 𝟏𝟔
6) Región Critica:
R.C= [F (2,27)>3.35]
7) Toma de decisión: Se rechaza Ho.
c)
⇨ La que produce mayor estrés es la profesión de Docentes
Universitarios.
2 < 1 < 3
6. El proyecto académico de un ingeniero es el diseño de un experimento a
fin de determinar el rendimiento de 4 variedades de papa sin tener en
cuenta la influencia de la fertilidad de las tierras de cultivo. Las 20 parcelas
de igual fertilidad que le fueron asignadas los dividió en 4 grupos de 5
parcelas cada una. A cada grupo de parcelas le asignó una variedad
distinta de papa escogida al azar, resultando un diseño completamente
aleatorizado. Los rendimientos medidos en kilogramos de las cinco
variedades por parcela se dan en la tabla que sigue:
V1 V2 V3 V4
55 52 53 52
53 58 55 50
60 50 57 51
52 60 51 49
53 52 54 53
a) Defina la variable dependiente, los niveles del factor, el modelo del
diseño y los supuestos del modelo.
b) Compare descriptivamente las medias de los rendimientos utilizando
un método gráfico.
c) Estime el efecto que produce la variedad 3 en el valor medio global del
rendimiento.
d) Al nivel de significación del 5%, ¿se puede inferir que existen
diferencias significativas entre las producciones medias de las 4
variedades de papa?
SOLUCIÓN
1) Formulación de Hipótesis:
𝑯𝟎 : 1 = 2 = 3 = 4 =
𝑯𝟏 : ∃ 1 ≠
2) Análisis de Varianza – Tabla ANOVA:
3) Nivel de Significancia:
∝= 0.05 ˄ Fo = 1.55
F = INV. F. CD 0.05,3,16
𝐅 = 𝟑. 𝟐𝟒
P Fo > 1.55 = DIST. F. CD 1.55,3,16
𝐏 𝐅𝐨 > 𝟏. 𝟓𝟓 = 𝟎. 𝟐𝟒
4) Región Critica:
R.C= [F (3,16)>3.35]
5) Toma de decisión: Se acepta Ho.
P1 P2 P3
13.45 22.81 18.92
19.1 20.69 21.32
20.73 24.4 25.93
23.6 26.86 19.07
13.45 22.37 20.98
23.29 19.98 26.4
14.93 20.98 28.04
17.07 24.08 23.44
13.65 18.35 18.47
18.79 17.22 25.42
Además, la desviación estándar de la variable dependiente es igual a
4.0072
a) Describa la variable dependiente, el factor y sus niveles. El modelo del
diseño y sus supuestos. Además, describa si hay indicios de
diferencias significativas entre los tres procedimientos.
b) ¿Existe diferencia significativa entre los promedios de tiempos
empleados por los procedimientos 2 y 3? Utilice el nivel de confianza
0.95.
c) Realice una prueba de hipótesis global de los promedios de los tres
procedimientos, al nivel se significación α = 0.05.
d) ¿Cuál de los procedimientos empleados es óptimo? Aplique el método
de intervalos de pares de medias de Bonferroni con nivel de confianza
al menos 96% y el método de rangos de Duncan con nivel se
significación 0.05.
SOLUCIÓN
a)
- Variable independiente: X = Tiempo, en segundos, para realizar
una tarea específica.
- Variable dependiente o factor: A = Procedimientos
- Niveles o Tratamientos: Son los procedimientos P1, P2 y P3.
- El modelo de este ANOVA está dado por:
𝑋𝑖𝑗 = + 𝛼𝑖 + 𝜀𝑖𝑗 , i = 1,2,3 j = 1, 2, …,10.
- Supuestos:
𝛼𝑖 = 𝑖
b) COMPARACIÓN POR BONFERRONI
Entonces: 𝑢2 = 𝑢3
c)
A = Procedimientos
P1 P2 P3
13.45 22.81 18.92
19.1 20.69 21.32
20.73 24.4 25.93
23.6 26.86 19.07
13.45 22.37 20.98
23.29 19.98 26.4
14.93 20.98 28.04
17.07 24.08 23.44
13.65 18.35 18.47
18.79 17.22 25.42
TOTALES 𝑋𝑖∙ 𝑋∙∙ =623.79
178.06 217.74 227.99
= 30
ni = r 10 10 10
MEDIAS 𝑋 ∙ 𝑋∙∙ =62.379
17.806 21.774 22.799
De los datos se obtiene:
- SCT = 465.66123
- SCA = 139.08566
- SCE = 326.57557
Hipótesis:
- 𝐻 : 𝑢1 = 𝑢2 = 𝑢3
Contra:
- 𝐻1 : ∃ 𝑢𝑖 ≠ 𝑢𝑗
- 𝐹 . 5;2;27 = 0.05139
DECISIÓN: Dado que 𝐹𝑐𝑎𝑙 = 5.75 > 0.05139, se debería rechazar 𝐻 con
probabilidad de error tipo I igual a 0.05, por lo tanto, el factor procedimiento
tiene efecto significativo sobre el tiempo necesario para realizar una tarea
específica.
d)
Utilizando el método de intervalos de pares de medias de Bonferroni
con nivel de confianza al menos 96%:
Entonces: 𝑢1 < 𝑢2 = 𝑢3
Utilizando el método de rangos de Duncan con un nivel de
significación 0.05:
- Ordenamos las medias de menor a mayor:
𝑋1 < 𝑋2 < 𝑋3
N1 N2 N3 N4
55 63 48 59
53 67 50 68
50 55 59 57
60 62 50 66
55 70 47 71
65 75 61 73
Al nivel de significación del 5%
¿Indican estos datos que las marcas de los neumáticos producen efectos
significativos en el rendimiento?
SOLUCIÓN
De los datos se obtiene:
- SCT = 37322.625
- SCA = 36553.125
- SCE = 729.5
Hipótesis:
- 𝐻 : 𝑢1 = 𝑢2 = 𝑢3
Contra:
- 𝐻1 : ∃ 𝑢𝑖 ≠ 𝑢𝑗
- 𝐹 . 5;3;2 = 3.10
Decisión: Dado que 𝐹𝑐𝑎𝑙 = 316068 > 3.10, se debería rechazar 𝐻 con
probabilidad de error tipo I igual a 0.05, por lo tanto, el factor procedimiento
tiene efecto significativo sobre el tiempo necesario para realizar una tarea
específica.
SOLUCIÓN
a)
600
500
400
300
200
100
0
1 2 3 4
Intervalos de aceptación = 𝑋𝑖 𝑋𝑗 ± 𝑡𝑜 ∗ 𝐸
ES 44.67 X1 552.5
tₒ 2.101 X2 634
ni=4 nj =7 X3 571.4
X4 466.7
Medias muéstrales Diferencia IC al 95%
límite límite
Xi Xj Xi-Xj inferior superior
1 2 -81.5 -175.35 12.35
3 -18.9 -112.75 74.95
4 85.8 -8.05 132.57
2 3 62.6 -31.25 156.45
4 167.3 73.45 261.15
3 4 104.7 10.85 198.55
De donde:
c) Análisis de varianza
Origen de Grados Promedio Valor
Suma de
las de de los F Probabilidad crítico
cuadrados
variaciones libertad cuadrados para F
Entre
79895.04 3 26631.68 5.24 0.009 3.160
grupos
Dentro de
91414.05 18 5078.56
los grupos
Total 171309.09 21
De donde:
SCA=79895.04 SCT=171309.09 Fcal= 5.24
SCE=91414.05 MCE=5078.56
Aplicando Duncan:
α=0.05 k=4 f=18
𝑛
n= 1 =5.266
∑𝑘
𝑖=1𝑛𝑖
𝑀𝐶𝐸 5 78.5
√ =√ =31.0548
𝑛 5.2
Muestras
Muestra Muestra Muestra Muestra
1 2 3 4
15 10 20 16
12 12 18 18
14 14 20 16
14 13 22 15
15 18 21
14 20 18
12 19
17 20
14
Además, Sx=3.199. Se supone homocedasticidad.
a) ¿Cree usted que se debería realizar el mantenimiento a alguna de las
líneas de producción?
b) Si su respuesta en el inciso a) es afirmativa, ¿a cuál de las 4 líneas se
debería realizar el mantenimiento? Aplique de rangos de Duncan.
c) ¿Cree usted que se viola el supuesto de homecedasticidad? Utilice un
paquete de cómputo para resolver este inciso.
SOLUCIÓN
a)
Hₒ=µ1=µ2=µ3=µ4
𝐻1 = ⁆µ𝑖≠µ𝑗
RESUMEN
Grupos Cuenta Suma Promedio Varianza
Columna 1 6 84 14 1.2
Columna 2 9 130 14.44 10.53
Columna 3 8 158 19.75 1.93
Columna 4 4 65 16.25 1.58
ANÁLISIS DE VARIANZA
Valor
Origen de Grados Promedio
Suma de crítico
las de de los F Probabilidad
cuadrados para
variaciones libertad cuadrados
F
Entre
157.60 3 52.53 11.14 0.00 3.03
grupos
Dentro de
108.47 23 4.72
los grupos
Total 266.07 26
De donde:
SCA=157.60 SCT=266.07
SCE=108.47 MCE= 4.72
Por lo tanto, si se debe realizar mantenimiento de las líneas de
producción.
b) Aplicando Duncan:
α=0.05 k=4 f=23
𝑛
n= 1 =6.128
∑𝑘
𝑖=1 𝑛𝑖
MCE=4.72
𝑀𝐶𝐸 4.72
√ =√ =0.8776
𝑛 .128
Entonces:
µ1=µ2 <µ4<µ3
Por lo tanto, se debe hacer mantenimiento a la línea 3.
c)
Prueba de homocedasticidad: 4.144
Grados de libertad: 3 y 23
Significancia = 0.017
11. El Decano del FACI desea estudiar el número de horas que los alumnos
que los alumnos de los ciclos: 5,6,7 y 8, utilizan los terminales de computo
de la universidad. Una muestra de usos por ciclo ha dado los siguientes
tiempos en hora mensuales:
CICLOS
C5 C6 C7 C8
35 43 28 39
33 47 30 48
30 35 39 37
40 30 46
35 27
42
a) Defina la variable dependiente y estime el efecto que produce el séptimo
ciclo.
b) Describa la regla de decisión para probar globalmente la hipótesis nula de
igualdad de las cuatro medias. ¿Cuál es la decisión estadística? Use
𝛼 = 0.05. ¿Cuánto es la probabilidad P de la prueba?
c) Si es adecuado, determine que ciclos difieren significativamente en el uso
promedio de horas por ciclo de los terminales por computo. Use Duncan
con 𝛼 = 0.05.
SOLUCIÓN
a)
i. LA VARIABLE DEPENDIENTE ES: X= número de horas que
los alumnos utilizan los terminales de computo.
∑𝑘
𝑖=1 𝜇𝑖
ii. = 𝑘
35 + 33 + 30 + 40 + 35 + 4 15
1 = = = 35.83
6 6
43 + 37 + 35 1 5
2 = = = 41.68
3 3
8 + 30 + 39 + 30 + 7 154
3 = = = 30.8
5 5
39 + 48 + 37 + 46 170
4 = = = 4 .5
4 4
𝛼𝑖 = 𝑖
𝛼3 = 3 = 30.8 37.70 5
b)
i. Hipótesis:
𝐻: 1= 2= 3= 4=
𝐻 :∃ 𝑖 ≠
ii. Nivel de significancia:
𝛼 = 0.05.
De los datos se obtienen:
𝑋1. = 15 1 = 6
𝑋2. = 1 5 2 = 3
𝑋3∙ = 154 3 = 5
𝑋4. = 170 4 = 4
𝑋.. = 664 = 18
2 2
𝑋.. 664
= = = 4494.
18
2 2 2 2 2 2
.∑ ∑ 𝑋𝑖𝑗 = 35 + 33 + 30 + ⋯ + 37 + 46 = 5 30
2
SCT=∑ ∑(𝑋𝑖𝑗 ) = 5 30 4494. = 735.8
𝑆𝐶𝐴 38 .3
MCA= 𝐾 = = 1 8.83
1 3
𝑆𝐶𝐸 34 .3
MCE= 𝑛 = = 4.95
𝑘 14
𝑀𝐶𝐴 128.83
FA=𝑀𝐶𝐸 = = 5.1635
24. 5
II. 𝑝= 𝛼 𝑝, 𝑓
𝛼 = 0.05
𝑘=4
𝑓 = 14
2 = . 5 ,14 = 3.03
3 = . 5 3,14 = 3.18
4 = . 5 4,14 = 3. 7
𝑀 𝐸 4.95
√ =√ = .434
40⁄57
𝑅2 = 3.03 × .434 = 7.375
𝑅3 = 3.18 × .434 = 7.740
𝑅4 = 3. 7 × .434 = 7.959
METODOS
A B ABP
132 17 10
14 16 11
12 16 15
13 17 10
12 17 14
15 13 13
11 10
14 13
11
14
13
10
a) Al nivel de significancia 𝛼 = 0.05 ¿indican los datos obtenidos que no
existen diferencias significativas entre los tres métodos de
enseñanza?.
b) Realice un ordenamiento de efectividad de los tres métodos aplicando
el método de rangos de Duncan al nivel de 𝛼 = 0.05.
SOLUCIÓN
a)
i. Hipótesis:
𝐻: 1= 2= 3=
𝐻 :∃ 𝑖 ≠
ii. Nivel de significancia:
𝛼 = 0.05.
2
SCT=∑ ∑(𝑋𝑖𝑗 ) = 4678 4551.385 = 1 6.615
𝑋1. 2 1 4 2 2 144 2
SCA=∑ ∑ = + + 4551.385 = 64.615
𝑛𝑖 8 12
𝑆𝐶𝐴 4. 15
MCA= 𝐾 = = 3 .3075
1 2
𝑆𝐶𝐸 2
MCE= = = .696
𝑛 𝑘 23
𝑀𝐶𝐴 32.3 75
FA=𝑀𝐶𝐸 = = 11.9835
2.
iv. Decisión: Dado que 𝐹𝑐𝑎𝑙 = 11.98 > 3.4 , se debe rechazar la 𝐻 ,
el factor método influye en la enseñanza de matemática I.
v. La probabilidad P de la prueba es,
𝑃 = 𝑃[𝐹 , 3 > 11.985] = 0.000
b)
1) 𝑋 1. = 13 1 =8
𝑋 2. = 16 2 =6
𝑋 3. = 1 3 =1
𝑋 3. < 𝑋 1. < 𝑋 2.
1 < 13 < 16
2) 𝑝 = 𝛼 𝑝, 𝑓
𝛼 = 0.05
𝑘=3
𝑓= 3
2 = . 5 , 3 = .77
3 = . 5 3, 3 = .9
𝑀 𝐸 .696
√ =√ = 0.58
8
𝑅2 = .77 × 0.58 = 1.606
𝑅3 = .9 × 0.58 = 1.693
7
= =8
9
13. Dieciséis empleados nuevos del grupo “BANC” fueron distribuidos
aleatoriamente en 4 grupos distintos de cuatro empleados cada uno. A
cada grupo se le asignó aleatoriamente un tiempo de entrenamiento antes
de realizar cierta tarea. Los resultados de dicha tarea en tiempos
correspondientes se dan en la siguiente tabla:
ENTRENAMIENTO
Grupo 1: 1 Grupo 2: 1.5 Grupo 3: 2 Grupo 4: 2.5
hora hora hora hora
25 14 7 8
19 26 10 7
22 17 9 9
20 15 11 4
86 72 37 28
4 4 4 4
4) Conclusiones:
I) Como p valué para el Número de Grupo = 0.690 > 0.05,
Se Acepta H0 y Se concluye que el Número de Grupo NO
influye de manera significativa en el Tiempo de
Entrenamiento.
ENTRENAMIENTO
Grupo 1: 1 Grupo 2: 1.5 Grupo 3: 2 Grupo 4: 2.5
hora hora hora hora
25 14 7 8
19 26 10 7
22 17 9 9
20 15 11 4
Totales Xi 86 72 37 28 223
ni=r 4 4 4 4 16
Medias X 21.5 18 9.25 7 13.94
1) ordenamos las medias de menor a mayor
X4 < X3 < X2 < X1
rp = r (p,f)
r2 = r0.05(2,12) = 3.08
r3 = r0.05(3,12) = 3.77
r4 = r0.05(4,12) = 4.20
3) Se obtiene los rangos mínimos significativos:
𝑴𝑪𝑬
Rp = rp × √ 𝒏
𝑀 𝐸 6.3964
Dónde: √ =√ = 1.26455
𝑛 4
X1 – X4 = 21.5 – 7 = 14.50
P = 3, rango de las 3 medias adyacentes:
X2 – X4 = 18 – 7 = 11.00
X1 – X2 = 21.5 – 18 = 3.50
X2 – X3 = 18 - 9.25 = 8.75
X3 – X4 = 9.25 – 7 = 2.25
µ4 = µ 3 < µ2 = µ1
SOLUCIÓN
a) Las hipótesis a probar son:
𝑯𝟏=𝜷𝒋≠𝟎 (Al menos un Tipo de Tableta influye de
manera significativa en el Número de horas hasta
bajar la fiebre)
3) RESULTADOS
4) CONCLUSIONES
I) Como p valué para el Número de Grupo = 0.100 >
0.05, Se Acepta H0 y Se concluye que el Número de
Grupo NO influye de manera significativa en el
Número de horas hasta bajar la fiebre.
TABLETAS
TABLETA 1 TABLETA 2 TABLETA 3 TABLETA 4
5 11 6 12
3 5 4 10
8 3 7 9
4 3 5 8
2 4 6 7
6 2 2 8
Totales
28 28 30 54 140
Xi
ni=r 6 6 6 6 24
Medias
4.67 4.67 5 9 5.83
X
rp = r (p,f)
r2 = r0.05(2,20) = 2.95
r3 = r0.05(3,20) = 3.58
r4 = r0.05(4,20) = 3.96
3) Se obtiene los rangos mínimos significativos:
𝑴𝑪𝑬
Rp = rp × √ 𝒏
𝑀 𝐸 .3 7
Dónde: √ =√ = 1.24967
𝑛
6) Análisis
X2 X3 X4 X1
4.67 4.67 5 9
µ4 = µ 3 = µ2 < µ1
𝑋: 𝑡𝑎𝑠𝑎𝑠 𝑑𝑒 𝑒𝑚𝑑𝑖𝑚𝑖𝑒𝓃𝑡𝑜
Niveles de rendimiento
Control Bajo Medio Alto
4.6 2 7 7.9
2 7.4 4.5 6.8
6.8 1.8 11.6 5.8
4.2 3.2 6 9.2
1.6 4 6.8 11
a) ¿Existen diferencias reales entre las medias de los cuatro niveles
de rendimiento al nivel de significación 1%, y al 5%?
b) ¿Son las tasas medias de rendimiento en los niveles de
apalancamiento financiero bajo, medio y alto más altas que la de
nivel de control?
SOLUCIÓN
10
8
rendimiento
0
A B C M
Niveles de rendimiento
The pooled standard deviation was used to calculate the intervals.
2 2
𝑋.. 114.
= = = 65 .08
𝓃 0
2 2 2 2
∑ ∑ 𝑥𝑖𝑗 = 4.6 + + ⋯ + 11 = 813.8
2
= ∑ ∑ 𝑥𝑖𝑗 = 813.8 65 .08 = 161.74
2 2 2 2
𝑋𝑖. 19. + 18.4 + 35.9 + 40.7
= ∑ = = 78.4
5
𝐸= = 161.74 78.4 = 83.3
Grados
Fuente de Suma de Medias Razón F P-
de
Variación Cuadrados Cuadráticas Calculada Value
Libertad
Nivel de
rendimiento 78.42 3 26.14 5.02 0.0012
Error 83.32 16 5.2
Total 161.74 19
𝑀𝐶𝐴
La estadística de la prueba es: 𝐹𝐴 = 𝑀𝐶𝐸 ∼ 𝐹 3,16
10
7
rendimiento
1
A B C M
Niveles de rendimiento
The pooled standard deviation was used to calculate the intervals.
b)
𝐻𝑜 ∶ 1 = 2 = 3 = 4
𝐻1 ∶ No todas las 𝑖 son iguales
𝑋.. 2 114. 2
= = = 65 .08
𝓃 0
2 2 2 2
∑ ∑ 𝑥𝑖𝑗 = 4.6 + + ⋯ + 11 = 813.8
2
= ∑ ∑ 𝑥𝑖𝑗 = 813.8 65 .08 = 161.74
2 2 2 2
𝑋𝑖. 19. + 18.4 + 35.9 + 40.7
= ∑ = = 78.4
5
𝐸= = 161.74 78.4 = 83.3
Dado que 𝑃[𝐹 > 5.0 ] = 0.01 < 𝛼 = 0.05, se rechaza la 𝐻𝑜, y se
concluye que no todas las medias de los cuatro niveles de rendimiento
son iguales.
16. La importadora “Drogasa” quiere compara la eficiencia de tres medicinas
para el tratamiento de la rinitis alérgica en adultos mayores de 50 años.
Para esto diseño un experimento seleccionando 3 pacientes mayores de
50 años que sufren la enfermedad. A cada paciente escogido se le
suministro las tres medicinas A, V y C en periodos distintos del ataque de
la enfermedad registrándose el número de días que tardaron en
recuperarse. Los datos se registraron en el siguiente diseño de un factor
(medicina) aleatorizado por bloques (pacientes).
El factor 𝑃 es pacientes
Los bloques ℬ son los tipos de medicinas
El modelo de este diseño de experimento es:
𝑋𝑖𝑗 = + 𝛼𝑖 + 𝛽𝑗 + 𝜀𝑖𝑗
Cálculos de los datos
𝑋.. 2 180 2
= = = 3600
∗𝑘 3∗3
2 2
= 𝓃 1 𝑥 = 8 4.6368 = 17
𝑘
2 2 2
1 2
67 + 65 + 48
= ∑ 𝑋𝑖. = 3600 = 7 .667
3
𝑖=1
𝑟 2 2 2
1 2
58 + 68 + 54
ℬ = ∑ 𝑋.𝑗 = 3600 = 34.667
𝑘 3
𝑖=1
𝐸= + ℬ = 64.667
Las sumas de cuadrados, los grados de libertad, los cuadrados
medios y las F calculadas se resumen minitab
- Región de rechazo
Se rechazara Ho con un nivel de significancia 𝛼 = 0.05, si 𝐹𝐴 >
𝐹 . 5,2,4
- Decisión
Dado que 𝐹𝐴 = . 5 < 𝐹 . 5,2,4 = 6.94, se debe aceptar la Ho y
concluir con probabilidad de error tipo I, 𝛼 = 0.05, los tiempos
promedios de recuperación de los pacientes son iguales; es
decir: 1 = 2 = 3 = 4
b)
- Hipótesis
𝐻𝑜 ∶ 𝛽1 = 𝛽 = 𝛽3 = 𝛽4
𝐻1 ∶ No todas las 𝛽𝑖 son iguales
- Región de rechazo
Se rechazara Ho con un nivel de significancia 𝛼 = 0.05,
si 𝐹Β > 𝐹 . 5,2,4
- Decisión
Dado que 𝐹Β = 1.07 < 𝐹 . 5,2,4 = 6.94, se debe aceptar la
Ho y concluir con probabilidad de error tipo I, 𝛼 = 0.05,
que fue correcto incluir a los pacientes como una fuente
de variación en el diseño del experimentos los tiempos
promedios de recuperación de los pacientes son iguales.
17.
18.
19. La empresa agroindustrial ARROZSA, estudia el efecto de 4 clases de
fertilizantes A, B, C y D en el rendimiento de la producción de arroz. Para
esto, diseño un experimento dividiendo el terreno del cultivo en tres
bloques 1, 2,3 con cuatro parcelas homogéneas de cada uno, asignado
aleatoriamente los fertilizantes de cada uno de los bloques para conseguir
aso un diseño de bloques completamente aleatorizado. El rendimiento,
medido en kilogramos por parcela, se da en la siguiente tabla:
1 2 3
C D B
39.9 43.4 42.7
A B D
40.1 42.9 42.9
B A C
41.1 42.2 41.4
D C A
42.1 42.3 41.9
Tipos
Total Xi n=r Medias 𝑋𝑖
Fertilizantes 1 2 3
A 40.1 42.2 41.9 124.2 3 41.4
42.333333
B 41.4 42.9 42.7 127 3 3
C 39.9 42.3 41.4 123.6 3 41.2
D 42.1 43.4 42.9 128.4 3 42.8
TOTAL DE 167.73333
164.5 172.8 171.9 503.2 12
BLOQUE X 3
Cálculos:
2
X. . 5032
= = = 1100.85333
n 1
ΣΣx 2 ij = 1113.76
SCT = ΣΣx^ ij C = 1 .90666667
2
Σ Xi.
SCA = C = 5.
r
SCB = Σx. J ^ /k C = 516.571666
SCE = SCT SCB + SCA = 0.534666667
varianza = 1.173333333
Otra forma de obtener SCT
SCT = n 1 Sx^ = 1 .90666667
La suma de los cuadrados de libertad, los cuadrados medios y las F calculadas
se resumen.
Grados
Suma de Medias
Fuente de de Razón F calculada
cuadrados cuadráticas
variación libertad
A=fertilizante 5.2 3 1.73333333 FA =19.4513716
Bloques 7.172 2 3.586 FB = 40.2418953
Error 0.53466667 6 0.08911111
Total 12.9066667 11
Cálculos.
2
X. .
C= = 3889664 . 6853637
n
𝛴𝛴𝑥 2 𝑖𝑗 = 50765
= 𝛴𝛴𝑥 2 𝑖𝑗 = 1080.01
𝛴 𝑋𝑖. ^ / 958.48
𝐵 = 1/𝐾 𝛴𝑥. 𝐽 ^ = 41.50
𝐸= 𝐵+ = 80.03
Otra forma de obtener SCT: = 1 𝑥^ = 1080.01
Las sumas de cuadrados los grados de libertad los cuadrados medios y las F
calculadas se resuman:
SOLUCIÓN
Análisis de varianza de dos factores con una sola muestra por grupo
M 4 50 12.5 1.667
E 4 62 15.5 4.333
F 4 54 13.5 1.667
L 4 69 17.25 2.250
ANÁLISIS DE VARIANZA
Origen de Grados Promedio Valor
Suma de
las de de los F Probabilidad crítico
cuadrados
variaciones libertad cuadrados para F
Filas 14.188 3.000 4.729 2.735 0.106 3.863
Columnas 53.688 3.000 17.896 10.349 0.003 3.863
Error 15.563 9.000 1.729
Total 83.438 15.000
SCA 53.688
SCB 14.188
SCE 15.563
SCT 83.438
a)
𝐻 : 𝑎𝑖 = 0
Tenemos un rango de1-4
Según la tabla 𝐹𝐴 = 10,349 con grados de libertad 3,9,
Tenemos P [F (3,9)>10,349]=0.003
Como la probabilidad es menor que 0.05 entonces se rechaza.
UTILIZAMOS EL METODO DE BONFERRINI
Calculamos los siguientes datos necesarios:
n= 6
a= 0.013
1-(a)/2 = 0.994
n-k = 12.000
2.934
error= 2.228
Tabla de diferencias de medias
𝑥𝑖 𝑥𝑗 𝑥 𝑖-𝑥𝑗 L.inf L.sup
12.5 15.5 -3 -5.228 -0.772 xe-xm
15.5 13.5 2 -0.228 4.228 xe-xf
13.5 17.25 -3.75 -5.978 -1.522 xf-xl
17.25 12.5 4.75 2.522 6.978 ul-xm
Del cuadro calculamos que:
𝑢1 < 𝑢4 , 𝑢2 = 𝑢3 , 𝑢2 = 𝑢4 , 𝑢3 < 𝑢4 , Duncan, subconjunto homogéneo
𝑢1 con 𝑢3 , 𝑢3 con 𝑢2 y 𝑢2 con 𝑢4
b)
ANÁLISIS DE VARIANZA
Origen de Suma de Grados Promedio de Probabilidad Valor crítico
las cuadrados de los F para F
variaciones libertad cuadrados
Filas 3.46166667 2 1.73083333 201 3.1803E-06 5.14325285
Columnas 0.13583333 3 0.04527778 5.25806452 0.04074402 4.75706266
Error 0.05166667 6 0.00861111
Total 3.64916667 11
SCA 0.136
SCB 3.462
SCE 0.052
SCT 3.649
a) Operarios(A),
Tenemos como hipótesis,𝐻 : 𝑖 donde i va de 1-4
De la tabla se ha calculado 𝐹𝐴 = 5. 58, y con grados de libertad 3,6
También calculamos P [F>5.258]=0.04, por lo cual se acepta 𝐻
b) Horas (B),
Tenemos 𝐻 : 𝑏𝑗 y tiene un rango 1, 2,3
Según la tabla tenemos 𝐹𝐴 = 10, con grado de libertad 2,6
Calculamos P [F>210]=0.000 por lo cual se rechaza 𝐻 .
c) Duncan por horas:
𝑢2 < 𝑢3 < 𝑢3
23. La firma confecciones quiere saber si las perdidas en porcentajes de
producción defectuosa producida, dependen de las líneas de producción
y/o de los tipos de materia prima de sus proveedores. Para esto, el
ingeniero a cargo del control, diseño un experimento de dos factores sin
replicas asignando a cada una de las 5 líneas de producción L 1, L2, L3, L4
y L5 una de las 4 materias primas: M1, M2, M3, M4 por día. Los porcentajes
de producción defectuosa por día se dan en la tabla que sigue:
Líneas de producción
Materias
primas L1 L2 L3 L4 L5
M1 2.3 2.5 3.0 3.2 4
M2 2.8 2.7 3.5 3.8 4.2
M3 3.2 3.0 3.7 3.9 4.3
M4 3.6 3.8 4.0 4.3 4.5
ANÁLISIS DE VARIANZA
Origen de Grados Promedio
las Suma de de de los Valor crítico
variaciones cuadrados libertad cuadrados F Probabilidad para F
Filas SCB=2.8255 3 0.942 31.22 5.978E-06 3.490
Columnas SCA=4.718 4 1.180 39.10 8.606E-07 3.259
Error SCE=0.362 12 0.030
Total SCT=7.9055 19
b)
1. H0: 𝛼𝑖 = 0 , 𝑝𝑎 𝑎 𝑖 = 1, ,3,4,5
2. se calculan las medias y se proceden a ordenar de menor a mayor.
Líneas de
producción Promedio
L1 2.98
L2 3
L3 3.55
L4 3.8
L5 4.25
3.
𝛼 = 0.05 , k=5, f= 12
R2=r0.05 (2, 12) =3.08
R3=r0.05 (3, 12) =3.23
R4=r0.05 (4, 12) =3.33
R5=r0.05 (5, 12) =3.36
Se calculan los rangos mínimos significativos:
𝑀 𝐸
𝑅𝑝 = 𝑝 ∗ √
𝑀 𝐸 0.030
√ =√
4
𝑀 𝐸
√ = 0.0866
1 = 2 < 3 = 4 < 5
c) 1. H0: 𝛽𝑖 = 0 , 𝑝𝑎 𝑎 𝑖 = 1, ,3,4
2. se calculan las medias y se proceden a ordenar de menor a mayor.
materias
primas Promedio
M1 3
M2 3.4
M3 3.62
M4 4.04
3.
𝛼 = 0.05 , k=4, f= 12
R2=r0.05 (2, 12) =3.08
R3=r0.05 (3, 12) =3.23
R4=r0.05 (4, 12) =3.33
R5=r0.05 (5, 12) =3.36
Se calculan los rangos mínimos significativos:
𝑀 𝐸
𝑅𝑝 = 𝑝 ∗ √
𝑀 𝐸 0.030
√ =√
5
𝑀 𝐸
√ = 0.077
1 < 2 = 3 < 4
ANÁLISIS DE VARIANZA
Origen de Grados Promedio Valor
las Suma de de de los crítico
variaciones cuadrados libertad cuadrados F Probabilidad para F
Filas SCB= 18.5 3 6.167 0.185 0.904 3.863
SCA=
Columnas 1671.5 3 557.167 16.715 0.001 3.863
Error SCE= 300 9 33.333
Total SCT= 1990 15
A) 1. H0: 𝛽𝑖 = 0 , 𝑝𝑎 𝑎 𝑖 = 1, ,3,4
2. se calculan las medias y se proceden a ordenar de menor a mayor:
Sistemas de
administración Promedio
de archivos
A1 379.25
A2 383.5
A3 396.25
A4 405
3. 𝛼 = 0.05 , k=4, f= 9
R2=r0.05 (2, 9) =3.20
R3=r0.05 (3, 9) =3.34
R4=r0.05 (4, 9) = 3.41
Se calculan los rangos mínimos significativos:
𝑀 𝐸
𝑅𝑝 = 𝑝 ∗ √
𝑀 𝐸 33.333
√ =√
3
𝑀 𝐸
√ = 3.33
1 = 4 < 3 = 2
A) 1. H0: 𝛽𝑖 = 0 , 𝑝𝑎 𝑎 𝑖 = 1, ,3,4
2. se calculan las medias:
Sistemas de
administración Promedio
de archivos
A1 379.25
A2 405
A3 396.25
A4 383.5
3. 𝛼 = 0.05 , k=4, f= 9
R2=r0.05 (2, 9) =3.20
R3=r0.05 (3, 9) =3.34
R4=r0.05 (4, 9) = 3.41
Se calculan los rangos mínimos significativos:
𝑀 𝐸
𝑅𝑝 = 𝑝 ∗ √
𝑀 𝐸 33.333
√ =√
3
𝑀 𝐸
√ = 3.33
1 = 4 < 3 = 2
a) 1. H0: 𝛼𝑖 = 0 , 𝑝𝑎 𝑎 𝑖 = 1, ,3,4
2. se calculan las medias y se proceden a ordenar de menor a mayor:
Sistemas de
administración Promedio
de archivos
A1 379.25
A2 383.5
A3 396.25
A4 405
3. 𝛼 = 0.05 , k=4, f= 9
R2=r0.05 (2, 9) =3.20
R3=r0.05 (3, 9) =3.34
R4=r0.05 (4, 9) = 3.41
Se calculan los rangos mínimos significativos:
𝑀 𝐸
𝑅𝑝 = 𝑝 ∗ √
𝑀 𝐸 33.333
√ =√
3
𝑀 𝐸
√ = 3.33
1 = 4 < 3 = 2
b) 1. H0: 𝛽𝑖 = 0 , 𝑝𝑎 𝑎 𝑖 = 1, ,3,4
2. se calculan las medias:
Operadores ´Promedio
O1 389.5
O2 390.5
O3 391.75
O4 392.25
3. 𝛼 = 0.05 , k=4, f= 9
R2=r0.05 (2, 9) =3.20
R3=r0.05 (3, 9) =3.34
R4=r0.05 (4, 9) = 3.41
Se calculan los rangos mínimos significativos:
𝑀 𝐸
𝑅𝑝 = 𝑝 ∗ √
𝑀 𝐸 33.333
√ =√
3
𝑀 𝐸
√ = 3.33
1 = 2 = 3 = 4
MAQUINAS
OPERARIOS
M1 M2 M3
O1 102.33 130.00 114.33
O2 114.00 142.67 126.67
Interacción de Medias
160
140
120
100
80
60
40
20
0
M1 M2 M3
MAQUINAS
O1 O2
Donde:
N= # de datos * # de réplicas
n= # de réplicas
ni= # de réplicas * # de filas
nj=# de réplicas * # de columnas
La tabla ANOVA cuenta con todas las sumas de cuadrados menos con la
del ERROR, entonces:
+ 𝐵+ 𝐸+ 𝐵=
𝐸 = 1 4.67
La tabla ANOVA quedaría de la siguiente manera:
Fuente de Sumas de Grados de Medias Estadísticas
variabilidad cuadrados Libertad cuadráticas F
Maquinas 2392,33 2 1196,165 115,1340
Operario 672,22 1 672,22 64,7029
Interacción 0,778 2 0,389 0,0374
Error 124,67 12 10,3893
Total 3190 17
𝑝 = 𝛼 𝑝, 𝑓
2 = , 5 ,1 3,08
3 = , 5 3,1 3,23
Los rangos mínimos y significativos:
𝑀 𝐸
𝑅𝑝 = 𝛼 ∗√
6
R2= 4,0529
R3= 4,2503
PROMEDIO M1
26. Para seleccionar la mejor semilla de maíz y el mejor fertilizante la empresa
“AGROSA” diseñó un experimento de dos factores con cuatro réplicas en
terrenos de igual fertilidad. El terreno se dividió en 24 pares iguales. Cada
combinación de tipo de semilla y tipo de fertilizante se asignaron a cuatro
pares iguales. Los rendimientos obtenidos en kilogramos se dan en la
tabla siguiente:
Semilla de Maíz
Fertilizante
A1 A2 A3
B1 35 33 38 37 33 3
30 5 35 36 3 34
B2 31 30 40 39 36 35
3 9 43 4 40 38
SOLUCIÓN
a) gráfica de medias y el análisis descriptivo de interacción
A1 B1 150 37,5 4
B2 122 30,5 4
Total 272 34 8
A2 B1 146 36,5 4
B2 164 41 4
Total 310 38,75 8
A3 B1 131 32,75 4
B2 149 37,25 4
Total 280 35 8
TOTAL B1 427 35,5833 12
B2 435 38,5833 12
Total 862 37,0833 24
2
𝑋∙∙∙
= 30960,1667
𝑎𝑏
2 3 2
𝑋𝑖𝑗∙ 176,3333
𝐵 = ∑∑ + + 𝐵 =
𝑖=1 𝑗=1
SOLUCIÓN
a) Grafico:
120
Gráfica de medidas
100 con propaganda sin propaganda
80
60
40
20
0
0 1 2 3 4 5 6
El grafico podemos observar que no existe una intersección entre
las líneas por lo tanto concluimos no hay indicios de interacción
= 1 17 .4 9
= 1938. 01
𝐸 = 8080 3
𝐵 = 99 0.801
Interacción entre promoción y publicidad:
𝐻 : 𝛼, 𝛽 , = 0
𝐻𝑎 : ∃ 𝛼, 𝛽 , ≠ 0
𝐹𝐴∗𝐵 = 3.047
𝐻 : 𝛼1 = 0
𝐹𝑎 = 8.777
𝐹𝑏 = 136.905
28. Con el fin de estudiar los efectos de tipo de carga y de las empresas que
las transportan sobre el tiempo de reparto terrestre de cargas, la
distribuidora ¨DOCASA¨ diseño un modelo de análisis de varianza de dos
vías con réplicas. Cada una de las tres empresas terrestres: 𝐵1, , 𝐵2 𝑌 𝐵3
transporto una misma distancia cada uno de los tipos de carga 1, =
𝐿𝑖𝑞𝑢𝑖𝑑𝑜 , 2 = 𝑜𝑙𝑖𝑑𝑜 , repitiéndose el experimento tres veces. Se
registraron los siguientes tiempos en minutos.
Tipo de carga
1 2
140 130
𝐵1 145 128
135 132
135 125
TRANSPORTE 𝐵2 136 126
134 124
90 83
𝐵3 92 82
88 84
a) Grafico:
Gráfica de medidas
tipo de carga A1 tipo de carga A2
160
140
120
100
80
60
40
20
0
0 1 2 3 4 5 6 7 8
= 8984.5
= 364.5
𝐸=7
𝐵=9
Interacción entre promoción y publicidad:
𝐻 : 𝛼, 𝛽 , = 0
𝐻𝑎 : ∃ 𝛼, 𝛽 , ≠ 0
𝐹𝐴∗𝐵 = 0.75
𝐻 : 𝛼1 = 0
𝐹𝑎 = 60.75
𝐹𝑏 = 711.58
𝑋𝑖𝑗𝑘 = 𝑢 + 𝛼𝑖 + 𝛽𝑗 + 𝛼𝛽 𝑖𝑗 + ԑ𝑖𝑗𝑘
SCA=0.096
SCB=1.379
SCI=0.226
SCE=1.367
SCT=3.068
G. L=2,2,4,45,53
ANÁLISIS DE VARIANZA
Origen de las variaciones Suma de cuadrados Grados de libertad Promedio de los cuadrados F Probabilidad Valor crítico para F
Materiales 1.379259259 2 0.68962963 22.70731707 1.52023E-07 3.204317292
Niveles de temperatura 0.095925926 2 0.047962963 1.579268293 0.21733653 3.204317292
Interacción 0.226296296 4 0.056574074 1.862804878 0.133552632 2.578739184
Dentro del grupo 1.366666667 45 0.03037037
Total 3.068148148 53
c)
Interacción:
𝐻𝑜 𝛼𝛽 𝑖𝑗 = 0 ; 𝑖 = 1, ,3 𝑗 = 1, ,3
𝐻𝑖: 𝑒𝑥𝑖𝑠𝑡𝑒 𝛼𝛽 𝑖𝑗 ≠ 0 ; 𝑖 = 1, ,3 𝑗 = 1, ,3
𝐹𝐴∗𝐵 = 1.863 ; 𝐼𝐺𝑁𝐼𝐹𝐼 𝑁 𝐼 = 0.134
No hay interacción muestral entre los factores: Materiales y temperatura.
d)
MATERIALES (A):
𝐻𝑜: 𝛼 = 0 𝑜𝑙𝑢𝑚 𝑎𝑠 ; 𝐹𝐴 = 1.579
𝐼𝐺𝑁𝐼𝐹𝐼 𝑁 𝐼 = 0. 17
Se acepta Ho
30. Con el fin de estudiar los efectos de tipo de carga y los efectos que puedan
ocasionar las empresas que la transportan sobre el tiempo de reparto
terrestre de cargas se diseñó un modelo de análisis de varianza con los
tipo de cargas A1=Liquido ,A2= sólido y tres empresas de transporte
terrestre B1,B2,B3,.Cada empresa transporto una misma distancia cada
tipo de carga repitiéndose el experimento tres veces .Se registraron los
tiempos en minutos y se procesaron obteniendo las siguientes
estadísticas:
NÚMERO DE
TIPO DE CARGA TRANSPORTE DATOS MEDIAS
A1 B1 3 140
A1 B2 3 135
A1 B3 3 90
A2 B1 3 130
A2 B2 3 125
A2 B3 3 83
Desviación estándar de la variable dependiente= 22.9891279
SOLUCIÓN
a) Tabla ANOVA
b)
HIPOTESIS
Se contrasta la hipótesis nula
Decisión:
Dado que 𝐹𝐴∗𝐵 =0.75<3.89 no deberíamos rechazar Ho al nivel de significación
α=0.05. Esto es la interacción observada no es significativa.
Por tanto, no existe interacción entre los factores CARGAS y EMPRESAS DE
TRANSPORTE TERRESTRE.
31. Para producir una prenda la firma de confecciones “JEANS” dispone de 4
máquina de marcas distintas ( 𝑖 que se supone producen con igual
velocidad, de 3 fuentes distintas de materia prima 𝐵𝑖 que se supone de
igual calidad.
Materia Máquinas
Prima
A1 A2 A3 A4
6 4 5 3
B1 5 3 5 4
2 3 1 2
B2 1 2 2 2
5 3 3 4
B3 4 4 4 3
SOLUCIÓN
4 B3 7 3.5 0.707 2
Total 20 3.333 1.491 6
3
A4 B1 7 3.5 0.707 2
B2 4 2 0.000 2
B3 7 3.5 0.707 2
Total 18 3 0.894 6
𝑎 𝑏
1 2
𝐵= ∑ ∑(𝑋𝑖𝑗. ) 𝐵 = 6.917
𝑖=1 𝑖=1
𝐸= + 𝐵+ 𝐵 = 5.00
Fuente de Grados de Medias
variabilidad Suma de cuadrados libertad Cuadráticas F calculada
A =Máquina 2.333 3 0.778 1.867
B= Materia Prima 27.083 2 13.542 32.5
AXB Interacción 6.917 6 1.153 2.767
Error 5.00 12 0.417
Total 41.333 23
Contraste de Interacción:
Hipótesis:
Se contrasta la hipótesis nula:
𝐻𝑂 : 𝛼𝛽 𝑖𝑗 =0
Contra:
𝐻1 : 𝛼𝛽 𝑖𝑗 ≠ 0 𝑝𝑎 𝑎 𝑎𝑙𝑔ú 𝑖 ≠ 𝑗 𝑠𝑖 𝑒𝑥𝑖𝑠𝑡𝑒 𝑖 𝑡𝑒 𝑎 𝑖ó
2 = . 5 ,1 = 3.08 3 = . 5 3, 1 = 3. 3
4 = . 5 4, 1 = 3.31
𝑀𝐶𝐸
𝑅𝑝 = 𝑝 ∗ √ 𝑛
2 < 3 = 1 = 4
Región Ingresos
Geográfica Alto Medio Bajo
10 15 16 17 14 12
Norte 16 14 18 15 13 11
14 12 16 12 09 12
13 12 15 18 13 10
Sur 17 16 17 16 15 11
15 11 15 13 12 09
14 16 17 17 11 12
Centro 14 10 19 11 15 08
17 13 17 18 16 13
15 14 18 12 12 13
Oriente 14 13 17 20 15 08
16 11 16 15 14 11
Desviación
Factor A Factor B Total Media Estándar N
A1 B1 81 13.50 2.168 6
B2 84 14.00 2.366 6
B3 84 14.00 2.449 6
B4 83 13.83 1.722 6
Total 332 13.83 2.057 24
A2 B1 94 15.67 2.066 6
B2 94 15.67 1.751 6
B3 99 16.50 2.811 6
B4 98 16.33 2.733 6
Total 385 16.04 2.255 24
A3 B1 71 11.83 1.722 6
B2 70 11.67 2.160 6
B3 75 12.50 2.881 6
B4 73 12.17 2.483 6
Total 289 12.04 2.216 24
𝐸= + 𝐵+ 𝐵 = 320.333
Contraste de Interacción:
Hipótesis:
Se contrasta la hipótesis nula:
𝐻𝑂 : 𝛼𝛽 𝑖𝑗 =0
Contra:
𝐻1 : 𝛼𝛽 𝑖𝑗 ≠ 0 𝑝𝑎 𝑎 𝑎𝑙𝑔ú 𝑖 ≠ 𝑗 𝑠𝑖 𝑒𝑥𝑖𝑠𝑡𝑒 𝑖 𝑡𝑒 𝑎 𝑖ó
Tabla ANOVA
Fuente De Suma De Grados De Medias Estadística
Variabilidad Cuadrados Libertad Cuadráticas F
Materia prima 22.427
Maquinas 49.480
Interacción
Error 2.580
total
Hipótesis
Se contrasta la hipótesis nula
HO: (ab)y =0 (no existe interacción), para i=1,2,3, j=1,2,3
Contra:
H1: (ab)y ≠0 para algún i≠j(si existe interacción)
Estadística y región crítica
Decisión:
RESUMEN 1 2 3 Total
A
Cuenta 4 4 4 12
Suma 36.4 45.2 29.6 111.2
Promedio 9.1 11.3 7.4 9.27
Varianza 0.54 2.22 0.82 3.76
B
Cuenta 4 4 4 12
Suma 28.4 36 23.6 88
Promedio 7.1 9 5.9 7.33
Varianza 0.98 0.69 1.85 2.74
Total
Cuenta 8 8 8
Suma 64.8 81.2 53.2
Promedio 8.1 10.15 6.65
Varianza 1.79 2.76 1.79
ANÁLISIS DE VARIANZA
O. De las S.
variaciones Cuadrados Gl P.cuadrados F Probabilidad Valor F
Muestra 22.43 1.00 22.43 18.95 0.00 4.41
Columnas 49.5 2.0 24.7 20.9 0.0 3.6
Interacción 0.7 2.0 0.3 0.3 0.8 3.6
Dentro del grupo 21.3 18.00 1.18
Total 93.86 23
De la tabla N° 2 se obtiene que:
µ3< µ1< µ2
Entonces la máquina que produce menos defectos es la maquina
número 3.
34. La empresa R&G realiza una investigación para determinar si el
rendimiento de sus empleados está influenciado por el nivel capacitación
y el turno de trabajo. Para realizar este estudio, se diseñó un experimento
de dos factores: el factor A: capacitación del personal con tres niveles,
A1= Buena, A2= Regular, A3= Ninguna, y el factor B: turno de trabajo con
tres niveles, B1= Mañana, B2=Tarde, B3= Noche. En cada combinación
de los niveles de capacitación y de turno, se midieron el rendimiento de
cuatro trabajadores. En la medición de los rendimientos se utilizó un
procedimiento cuyos resultados son tiempos en minutos, indicando que a
menor tiempo mayor rendimiento. Los tiempos de rendimiento observados
se dan en la tabla:
A=Capacitación
B=Turnos
A1 A2 A3
4 5 8 6 6 7
B1
5 6 5 6 7 6
6 7 7 5 8 7
B2
4 6 6 8 7 6
6 5 6 7 8 6
B3
5 6 6 6 7 7
Estadísticas descriptivas:
B2
Cuenta 2.00 2.00 2.00 2.00 2.00 2.00 12.00
Suma 10.00 13.00 13.00 13.00 15.00 13.00 77.00
Promedio 5.00 6.50 6.50 6.50 7.50 6.50 6.42
Varianza 2.00 0.50 0.50 4.50 0.50 0.50 1.36
B3
Cuenta 2 2 2 2 2 2 12
Suma 11 11 12 13 15 13 75
Promedio 5.5 5.5 6 6.5 7.5 6.5 6.25
Varianza 0.5 0.5 0 0.5 0.5 0.5 0.75
Total
Cuenta 6.00 6.00 6.00 6.00 6.00 6.00
Suma 30.00 35.00 38.00 38.00 43.00 39.00
Promedio 5.00 5.83 6.33 6.33 7.17 6.50
Varianza 0.80 0.57 1.07 1.07 0.57 0.30
ANALISIS DESCRIPTIVO DE LA INTERACCÍON
25
20
15
10
0
1 2 3